論文の概要: TW-BAG: Tensor-wise Brain-aware Gate Network for Inpainting Disrupted Diffusion Tensor Imaging

• arxiv url: http://arxiv.org/abs/2210.17076v1
• Date: Mon, 31 Oct 2022 05:53:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 18:55:58.804073
• Title: TW-BAG: Tensor-wise Brain-aware Gate Network for Inpainting Disrupted Diffusion Tensor Imaging
• Title（参考訳）: TW-BAG:破壊型拡散型テンソルイメージングのためのテンソル対応ゲートネットワーク
• Authors: Zihao Tang, Xinyi Wang, Lihaowen Zhu, Mariano Cabezas, Dongnan Liu, Michael Barnett, Weidong Cai, Chengyu Wang
• Abstract要約: 本稿では,DTIスライスを塗布する3D-Wise-Aware Gate Network (TW-BAG)を提案する。 提案手法をHuman Connectome Project (HCP) データセット上で評価した。 実験の結果,提案手法は脳のDTI容積を再構築し,関連性のある臨床画像情報を復元できることが示唆された。
• 参考スコア（独自算出の注目度）: 32.02624872108258
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Diffusion Weighted Imaging (DWI) is an advanced imaging technique commonly used in neuroscience and neurological clinical research through a Diffusion Tensor Imaging (DTI) model. Volumetric scalar metrics including fractional anisotropy, mean diffusivity, and axial diffusivity can be derived from the DTI model to summarise water diffusivity and other quantitative microstructural information for clinical studies. However, clinical practice constraints can lead to sub-optimal DWI acquisitions with missing slices (either due to a limited field of view or the acquisition of disrupted slices). To avoid discarding valuable subjects for group-wise studies, we propose a novel 3D Tensor-Wise Brain-Aware Gate network (TW-BAG) for inpainting disrupted DTIs. The proposed method is tailored to the problem with a dynamic gate mechanism and independent tensor-wise decoders. We evaluated the proposed method on the publicly available Human Connectome Project (HCP) dataset using common image similarity metrics derived from the predicted tensors and scalar DTI metrics. Our experimental results show that the proposed approach can reconstruct the original brain DTI volume and recover relevant clinical imaging information.
• Abstract（参考訳）: 拡散重み付きイメージング(dwi)は、拡散テンソルイメージング(dti)モデルを介して神経科学および神経臨床研究で一般的に用いられる高度なイメージング技術である。 分画異方性、平均拡散率、軸方向拡散率を含む体積スカラー測定は、DTIモデルから導出され、臨床研究のための水拡散率およびその他の定量的ミクロ構造情報を要約することができる。 しかし、臨床実践上の制約は、スライスを欠く(視野の制限や中断されたスライスの取得による)最適でないDWI買収につながる可能性がある。 グループワイズ研究における価値ある主題の破棄を避けるため,ディスラプトDTIを塗布するための新しい3Dテンソルワイズ脳認識ゲートネットワーク(TW-BAG)を提案する。 提案手法は動的ゲート機構と独立なテンソルワイドデコーダで問題に適応する。 提案手法を,予測テンソルとスカラーDTIから得られた共通画像類似度指標を用いて,一般公開されたHuman Connectome Project(HCP)データセット上で評価した。 実験の結果,提案手法は脳のDTI容積を再構築し,関連する臨床画像情報を復元できることがわかった。

関連論文リスト

• Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
  拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。 本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
  論文  参考訳（メタデータ） (2024-09-11T11:12:26Z)
• Neurovascular Segmentation in sOCT with Deep Learning and Synthetic Training Data [4.5276169699857505]
  本研究は, 連続断面光コヒーレンストモグラフィー画像における神経血管セグメンテーションのための合成エンジンについて述べる。 提案手法は,ラベル合成とラベル・ツー・イメージ変換の2段階からなる。 前者の有効性を,より現実的なトレーニングラベルの集合と比較し,後者を合成ノイズと人工物モデルのアブレーション研究により実証した。
  論文  参考訳（メタデータ） (2024-07-01T16:09:07Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• DeepSTI: Towards Tensor Reconstruction using Fewer Orientations in Susceptibility Tensor Imaging [9.79660375437555]
  感応性テンソルイメージング(英語: Susceptibility tensor imaging、STI)は、2階テンソルモデルを用いて異方性組織磁気感受性を特徴付ける新しい磁気共鳴イメージング技術である。 STIは、白質繊維経路の再構築と、ミリ分解能以下で脳のミエリン変化を検出するための情報を提供する可能性がある。 しかし、生体内でのSTIの応用は、その難易度とMR相の変化を測定するための時間を要する取得要求によって妨げられている。
  論文  参考訳（メタデータ） (2022-09-09T20:03:53Z)
• Application of Homomorphic Encryption in Medical Imaging [60.51436886110803]
  医療画像の予測にHEを用いて,不正な二次的データの使用を防止できることを示す。 結節検出に3次元胸部CT-Scansを用いた実験を行った。
  論文  参考訳（メタデータ） (2021-10-12T19:57:12Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• About Explicit Variance Minimization: Training Neural Networks for Medical Imaging With Limited Data Annotations [2.3204178451683264]
  VAT(Variance Aware Training)法は、モデル損失関数に分散誤差を導入することにより、この特性を利用する。 多様な領域から得られた3つの医用画像データセットと様々な学習目標に対するVATの有効性を検証した。
  論文  参考訳（メタデータ） (2021-05-28T21:34:04Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Multifold Acceleration of Diffusion MRI via Slice-Interleaved Diffusion Encoding (SIDE) [50.65891535040752]
  本稿では,Slice-Interleaved Diffusionと呼ばれる拡散符号化方式を提案する。 SIDEは、拡散重み付き(DW)画像ボリュームを異なる拡散勾配で符号化したスライスでインターリーブする。 また,高いスライスアンサンプデータからDW画像を効果的に再構成するためのディープラーニングに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-02-25T14:48:17Z)
• SuperDTI: Ultrafast diffusion tensor imaging and fiber tractography with deep learning [12.797957906141363]
  拡散重み付き画像(DWI)と対応するテンソル導出量マップとの非線形関係を学習するためのSuperDTIを提案する。 SuperDTIは、DWIのノイズや動きに非常に敏感なテンソルフィッティング手順をバイパスする。
  論文  参考訳（メタデータ） (2020-02-03T22:15:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。